論文の概要: Gait Data Augmentation using Physics-Based Biomechanical Simulation

• arxiv url: http://arxiv.org/abs/2307.08092v2
• Date: Fri, 21 Jul 2023 09:31:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 15:22:03.184723
• Title: Gait Data Augmentation using Physics-Based Biomechanical Simulation
• Title（参考訳）: 物理に基づく生体力学シミュレーションによる歩行データ増大
• Authors: Mritula Chandrasekaran, Jarek Francik, Dimitrios Makris
• Abstract要約: 物理ベースシミュレータOpenSIMを用いた歩行データ拡張のための新しいフレームワークを提案する。 提案手法はWBDSとCASIA-Bデータセットを拡張して検証する。 CASIA-Bデータセットで96.11%の精度で歩行に基づく人物識別結果を提供する。
• 参考スコア（独自算出の注目度）: 12.12026919425493
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper focuses on addressing the problem of data scarcity for gait analysis. Standard augmentation methods may produce gait sequences that are not consistent with the biomechanical constraints of human walking. To address this issue, we propose a novel framework for gait data augmentation by using OpenSIM, a physics-based simulator, to synthesize biomechanically plausible walking sequences. The proposed approach is validated by augmenting the WBDS and CASIA-B datasets and then training gait-based classifiers for 3D gender gait classification and 2D gait person identification respectively. Experimental results indicate that our augmentation approach can improve the performance of model-based gait classifiers and deliver state-of-the-art results for gait-based person identification with an accuracy of up to 96.11% on the CASIA-B dataset.
• Abstract（参考訳）: 本稿では,歩行分析におけるデータ不足の問題に焦点をあてる。 標準的な増強法は、人間の歩行の生体力学的制約と一致しない歩行配列を生成することができる。 そこで本研究では,バイオメカニカル・プラウシブル・ウォーキング・シーケンスを合成するための物理シミュレーションOpenSIMを用いて,歩行データ拡張のための新しいフレームワークを提案する。 提案手法は,WBDSデータセットとCASIA-Bデータセットを拡張し,それぞれ3次元歩行分類と2次元歩行個人識別のための歩行ベース分類器を訓練することによって検証される。 CASIA-Bデータセットで96.11%の精度で、モデルに基づく歩行分類器の性能を改善し、歩行に基づく人物識別の最先端結果を提供できることを示す。

関連論文リスト

• Chatting Up Attachment: Using LLMs to Predict Adult Bonds [0.0]
  GPT-4とClaude 3 Opusを使用して、さまざまなプロファイル、子供時代の記憶、アタッチメントスタイルを持つ大人をシミュレートするエージェントを作成します。 我々は,同一の面接プロトコルを施行し,精神保健専門家によって分析・ラベル付けされた9人のヒトの転写データセットを用いて,我々のモデルを評価した。 以上の結果から,合成データのみを用いたモデルトレーニングは,人間のデータを用いたモデルトレーニングに匹敵する性能を発揮することが示唆された。
  論文  参考訳（メタデータ） (2024-08-31T04:29:19Z)
• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• Fast and Functional Structured Data Generators Rooted in Out-of-Equilibrium Physics [62.997667081978825]
  エネルギーモデルを用いて、構造化データセットで高品質なラベル特化データを生成するという課題に対処する。 伝統的な訓練方法は、マルコフ連鎖モンテカルロ混合による困難に遭遇する。 非平衡効果を利用した新しいトレーニングアルゴリズムを用いる。
  論文  参考訳（メタデータ） (2023-07-13T15:08:44Z)
• Learning Causal Representations of Single Cells via Sparse Mechanism Shift Modeling [3.2435888122704037]
  本稿では,各摂動を未知の,しかしスパースな,潜伏変数のサブセットを標的とした介入として扱う単一細胞遺伝子発現データの深部生成モデルを提案する。 これらの手法をシミュレーションした単一セルデータ上でベンチマークし、潜伏単位回復、因果的目標同定、領域外一般化における性能を評価する。
  論文  参考訳（メタデータ） (2022-11-07T15:47:40Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Predicting Loose-Fitting Garment Deformations Using Bone-Driven Motion Networks [63.596602299263935]
  本稿では,骨駆動型モーションネットワークを用いて,ゆるやかな衣服メッシュの変形を対話的に予測する学習アルゴリズムを提案する。 提案手法は,メッシュ変形の予測精度を約20%,ハウスドルフ距離とSTEDで約10%向上させる。
  論文  参考訳（メタデータ） (2022-05-03T07:54:39Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Classification of anomalous gait using Machine Learning techniques and embedded sensors [0.0]
  従来の臨床インフラを整備し、人間の歩行検査を行えるようにするために、高い投資が求められていることが知られている。 本研究は、3D加速度計と3Dジャイロスコープ測定を取得するために、ウェアラブルデバイスで構成されるアクセス可能で現代的なソリューションを提案する。
  論文  参考訳（メタデータ） (2021-10-08T21:58:00Z)
• The Imaginative Generative Adversarial Network: Automatic Data Augmentation for Dynamic Skeleton-Based Hand Gesture and Human Action Recognition [27.795763107984286]
  本稿では、入力データの分布を近似し、この分布から新しいデータをサンプリングする新しい自動データ拡張モデルを提案する。 以上の結果から,拡張戦略は訓練が高速であり,ニューラルネットワークと最先端手法の両方の分類精度を向上させることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-05-27T11:07:09Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)
• Simulation-Assisted Decorrelation for Resonant Anomaly Detection [1.5675763601034223]
  異常検出に対する弱い、教師なしの機械学習アプローチが増えている。 例の1つは共鳴新しい物理学の探索であり、そこではバンプハントを不変質量スペクトルで行うことができる。 学習に最小限の原型シミュレーションを組み込むことにより,この問題に対する2つの解決策を探求する。
  論文  参考訳（メタデータ） (2020-09-04T14:02:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。